【AP】a pratical guide to robust optimization（3）

Pre Link

a pratical guide to robust optimization(2)

Adjustable integer variables

Bertsimas and Georghiou¹ 使用一种迭代的方法处理可调二元变量，主要思路将二元变量转为分段常数，该方法和Bertsimas的另一种基于将不确定区域分拆为更小的子集合（每个子集合具有自己的二元变量）的方法不同，本节主要介绍后一种方法，一般的RC问题表示如下
$$\begin{gathered} (RC1)\underset{x,y,z}{\max }c(x,y,z) \\ s.t.A(\zeta )x+B(\zeta )y+C(\zeta )z\le d \end{gathered}$$
变量含义如下，且设置$c(x,y,z)$为线性方程

将不确定集合$\mathcal{Z}$拆分为$m$个子集合并引入额外的整型变量${\mathbf{z}}_i$，可以等价建模ARC1如下

ARC1模型中的帕累托效率是模型的issue之一，本文使用再优化程序(reoptimization procedure)提升模型的整体表现，具体地，首先求解ARC1问题并且找到最优目标$t^{\ast }$，然后求解如下问题
再优化过程模仿了多目标优化过程，对每个目标都赋予了等权重，并且找到了Pareto efficient robust solutions.

Example

给定non-adjustable RC问题如下

通过将不确定集合分为两个子集合可以得到ARC问题

在建模过程中，需要考虑最优解和计算复杂度之间的平衡关系

Dividing the main uncertainty into $\mathcal{Z}$ into more subsets ${\mathcal{Z}}_i$ may improve the objective value by giving more freedom in making ajustable decisions, but the decision maker should make the trade-off between optimality and computational complexity.

Robust counterparts of equivalent deterministic problems are not necessarily equivalent

本节主要分析约束转换中的等价性问题.

we show that the robust counterparts of equivalent deterministic problems are not always equivalent. The message in this section is thus that one has to be careful with reformulating optimization problems, since the corresponding robust counterparts may not be the same.

可以通过几个例子展示，考虑如下约束条件
$$(2+\zeta )x_1\le 1$$
其中$\zeta$表示不确定参数，该约束条件可以通过松弛操作等价变形为
$$\{\begin{array}{l}(2+\zeta )x_1+s=1\\ s\ge 0\end{array}$$
以上两个约束的robust counterparts为
$$(2+\zeta )x_1\le 1\forall \zeta :|\zeta |\le 1\text{\hspace{1em}(14)}$$
和
$$\{\begin{array}{l}(2+\zeta )x_1+s=1\forall \zeta :|\zeta |\le 1\\ s\ge 0\end{array}\text{\hspace{1em}(15)}$$
可以发现对于$(14)$和$(15)$中$x_1$的范围并不同，因此转化并不等价，因为这对于松弛变量而言，过于严格了.

The general message is therefore: do not introduce slack variables in uncertain constraints, unless they are adjustable.

作者给出非线性问题向线性问题的转化技巧
Cardinality Constraint的鲁棒约束建模

---

1. Design of Near Optimal Decision Rules in Multistage Adaptive Mixed-Integer Optimization ↩︎